房源推荐算法
我看了一下国内,好像是没有太多的关于房源的推荐的算法。我写一下自己的思路。记录一下的。
在这篇博客中,我们建造一个推荐系统为了给那些潜在的买家在他们宣布感兴趣的楼盘之后给他们一些推荐正在销售的楼盘。这些推荐结果是由一些标准衡量过的,这些指标是通过调查问卷总结而来的。这个推荐方法是动态的,是一个组合在协同过滤和基于内容的过滤。当前面的论文主要是使用协同过滤在物品上面,这个推荐系统使用的协同过滤在标准上,它可以使推荐系统可以操作更快在更多的物品候选者上。这个推荐系统使用基于内容过滤方法添加更多准确和更多的相关性在结果上。
introduction
泗水是一个两个地铁城市之一,在Indonesia靠着jakarta。泗水的经济增长非常的慢,导致房地产的经济增长在同一的步伐。房地产产业遇到一个问题是如何给建议给那些潜在的买家。这个问题导致一个情况一个潜在的买家必要要看过一系列的在出售的房地产,根据房地产代理专家判断。这个过程将会花费很多时间和精力对于两边。这个潜在买家和二手中介。这个调查专注于潜在房地产买家行为,而且限制对于财富以房屋的形式。
recommender system
推荐系统是软件工具和技术提供建议给物品如何使用对于用户。这个建议相关与多样性的选择决定过程。像什么东西值得买。什么音乐想听。什么样的在线内容值得读。或者在这个推荐系统中什么房屋可以看。这个推荐系统的目标就是产出有意义的推荐信息给那些对物品或者产品感兴趣的一群人。
获得推荐信息从信任的源头是人们做出决策中一个至关重要的组成部分。然而创造一个推荐系统的挑战在于如何提供一个精确的推荐信息在一个限制的时间。
collaborative filtering
自动化的协同过滤是很快变成一个非常